約 6,595 件
https://w.atwiki.jp/private_37/pages/17.html
方法話し手 Cantonese, Japanese, Polish and Spanish intermediate English learners 聞き手 English native speakers. task accentedness rating, comprehensibility ratings, transcription for intelligibility measures. その直後に, open-ended question. どの要素によってその発話が難しく感じたかをコメント- Table 2の結果. Munro_Dewing_1995と異なるのは、話し手のEnglish proficiencyが高かったこと. 1995ではMandarin L1のみが参加者. 今回は複数のL1話者が参加者. 結果(1)話し手のEnglish proficiencyが高くなっても, 3つの変数(acccentedness, comp, intell)の関係性は変わらなかった.Accentednessとcomprehenbility ratingはweakely correlated. Intelligbilityとaccentedness, intelligbilityとcomprehensibilityはそれぞれまあまあ相関. 結果(2) Table 1phonemic errorsとgrammatical errors, grammatical errorsのrelative contributionがやや違った. intelligibilityとsubphonemic errorsは今回は調べなかった. 1995で, 全く効果がなかったから. intelligbilityと(subphonemic以外の)全てerror 少数のlistenersにとっては関係していた. (1995の結果と一致) accentednessとphonemic, grammatical errors, intonational rating 本研究ではほぼ関係なし. (1995では関係していた) Speaking rate発話速度とintelligibilityの相関があったのは2人のみ(n=26). 発話速度とcomprehensibility ratingとはやや相関あり. 10人(n=26). 速いと難しく感じる. →発話速度が速いと難しく感じるが、intelligibilityに影響はしてない. (著者による推測)発話速度が速いとprocessing timeはかかるが, accuracyは落ちないのでは? 次に読む論文 Munro Derwing, 1995b. processing time.comprehensibilityが高くなく, intelligibilityが高い場合...processing timeが必要. e.g., comprehensibility corresponds to procesing time. intelligibility corresponds to Accuracy.
https://w.atwiki.jp/kisoka2011/pages/20.html
毎週土曜13 00- 参加者が相関受ける人が多いので、相関の対策になりそう 週ごとに基礎→専門→の順番でやります。 問題ごとに担当を決めて、担当者が問題を解いて解説、出題ミスなどは議論していく形 夏になったらペースアップしたいです。 8/21(火) 13 00~ H24答え合わせ コメント 感激です。 -- 他大野郎 (2012-07-31 08 47 40) 回答に著作権的にやばい引用があったので消しました。欲しい方は11年進学基礎科の誰かに連絡ください。友達がいない方は自己責任でここに連絡先を書いていただければ対処します。 -- 名無しさん (2012-08-02 21 45 16) あらまじですか。。 -- gh (2012-08-08 11 49 21) 次回8/21 H24答え合わせ -- 名無しさん (2012-08-18 07 18 41) 名前 コメント
https://w.atwiki.jp/aspirin-marcov/pages/86.html
背景 関連解析は家族ベースの連鎖解析より検出力が高い(Risch and Merikangas 1996) 密なSNP情報が利用可能であるため、連鎖不平衡構造に注目が集まっている。 Clark 2004によるハプロタイプ解析のメリット 特定のアミノ酸の組み合わせが、タンパク質折りたたみに影響している可能性がある ハプロタイプは、祖先から受け継がれる染色体上の断片そのものである ハプロタイプ解析は、単点解析よりも検出力が高い(いくつかのSNPを統合し、自由度を減らすため) しかしハプロタイプ解析には問題がある マーカー数が増えると指数関数的に次元が増大し、多点検定の問題が悪化する また、まれなハプロタイプをどう扱うかという問題もある もうひとつの方法は遺伝子型ベースの単点解析である ハプロタイプベースの方法より結果が理解しやすく、多く行われてきた 場合によっては単点解析のほうがハプロタイプ解析より検出力が高いという報告さえある この場合、有意差はpermutation法、Bonferroniの方法、Sidakの方法などで推定する さらにもうひとつの方法は、候補SNPにおける遺伝子型スコアを独立変数とし、重回帰分析を行うという方法(Chapman et al. 2003) Fan and Knapp(2003)はHotellingのT2検定法を用いて関連解析を行った。→ロジスティック回帰分析と等価の方法 密に分布するSNPはたいてい相関しており、遺伝子型スコアの共線性が重大な問題である。 共線性のインパクトを減少させ、検出力を増大させるため対象領域の代表SNP (たとえばtagSNPs)を選択するという方法が、H-clustなどのアルゴリズムでは使用されている(Rinaldo et al, 2005) これらの伝統的な方法のほか、多点遺伝子型データに特化した新しい方法も開発されてきている。 ひとつの方法は、対象領域でのSNPの関連パターンをあてはめるというものである(意味不明)。 Lazzeroni(1998)は連鎖不平衡係数を用いた方法。 ここで、Dはdisease,Nはnormalの状態、AはマーカーアレルAをcarryする状態。 Cordell and Elston (1999)は、Fiellerの理論をもちいたもの。 Conti and Witte(2003)は、連鎖不平衡構造の階層化モデリング Zhang et al.(2003)はベイズ適応回帰分析(?)を用いた方法。 Schaid(2005)らは、個体ペア同士の遺伝子型の類似性をスコア化したprespecified kernelを利用したノンパラメトリックな方法を提案した。ペアのスコアの平均をケースとコントロールで比較した。 Wessel and Schork(2006)は、kernelのかわりにゲノム類似性を測定して類似性ベースの回帰分析を提案した。 とても柔軟性に富んだ方法である ゲノム類似性のたしかな測定法はわからない Wang and Elston(2007)では遺伝子型データのフーリエ変換を行い変換された成分の重み付けを行った。 今回著者らは、最低限の説明変数で最大限に必要なSNP遺伝子型多様性を捕らえて行う回帰モデルとして、主成分回帰 (principal component regression, PCReg)アプローチを採用した。 この方法では、SNP遺伝子型スコアの共分散行列から計算された小数の主成分を説明変数として重回帰分析を行った。 主成分は、オリジナルのすべてのSNPの多様性のほとんどを説明できるように選択される。 SNP間の連鎖不平衡が強ければ強いほど、必要な主成分は少数で済む。 方法 n individuals 遺伝子型データは0,1,2、対象領域にm個のSNP gijは個体iのj番目SNPの遺伝子型 G=(gij)はの遺伝子型行列 Gの各列の平均が0となるように中心化する m SNPsの遺伝子型スコアの共分散行列をとするが、これはに等しい。 (n-1)で割るのはなぜだろう? は共分散行列のcharacteristic root(固有値?)で、はと関連するcharacteristic vectorである(??固有ベクトルのこと?) 定義から、である。 個体iのk番目のPC(主成分)はである。 k番目のPCの分散はである。 集合的に言うと、これらのPCは、SNP遺伝子型スコアの総分散をわけたものである。は全SNPの遺伝子型スコアの分散と等しい(あるいは、の対角行列の和と等しい)。 PCをならびかえる方法から言って、特定のPCは、その他すべてのPCと比較して、オリジナルのSNP遺伝子型スコアの総分散を説明するに当たってより重要である。 詳しい説明は、どんな本にだってのってるよ 二つの例 PCのかたちは扱いにくいけど、簡単な例ならなんとかなる 一例目 すべての二組のSNPの相関係数は定数である。 すべての遺伝子型スコアの分散は定数である。 すべてのSNPのMAFが同じなら、この仮定は妥当であろう。 最大の固有値はで、その固有ベクトルはである。 その他の固有値は全て したがって最大の固有値による総分散の説明の割合はで、これは常により大きい。 これはSNP数mが増えると減少するが、相関係数rが増えると増加する。r=1なら、mにかかわらず1である。 m=30, r=0.5なら割合は0.52である。これは、たったひとつのPCで30SNPの遺伝子型データの52%の分散を説明できることを意味する。 二例目 SNPを二つの分画に区切り、それぞれ、の数とする。である。 ブロック1の相関係数は定数とする。 ブロック2のSNPは互いに相関しておらず、ブロック1のSNPとも相関しないものとする。 この場合、最大の固有値はで、固有ベクトルはで、このベクトルのうち非0要素が個となる。 最大のPCが説明する割合はである。 これは最初の例よりも小さい値である。 つまり、SNP同士の相関が小さくなると、最初のPCで説明できる割合は減少する。 個のPCが存在し、それぞれ分散、また個のPCは分散である。 相関のあるブロック1のSNPのみが分解されたという結果である。 いろいろm、m1、rを動かしてみると、最大のPCで説明できる割合はrに依存するがmにはあまり関係がないということがわかる。 PCSと回帰分析 最初の数個のPCでほとんどの多様性は説明できる。後述する実データでは、26SNPsを3つのPCで90%説明できる。 オリジナルのSNPに表現型との関連がないなら、PCの回帰係数は全て0になるはずである。検定はF検定を行う。 F統計量は自由度、のF分布に従うが、は回帰に用いたPCsの数であり、はである。 はn個体の表現型ベクトルとする。中心化し、平均を0とする。表現型は連続型になっているので回帰モデルを次のように書ける。 yとGがともに中心化されているので切片は必要ない。 は行列で、j列にのj番目の固有ベクトルを配している。Aは直交系である。 と分割し、A1はPCRegの説明変数として用いるPC、A2は除外するPCである。 対応してと分割する。 回帰式(1)は次のように書ける。 ここで、、、である。 PCRegでは、回帰モデルをつぎのようにとる。 (1)式と同様、誤差は平均0の正規分布に従う。 であるからの全項の和は0である。やはりこの式も切片をもたない。 ひきつづく解析でいくつのPCを使用するかにはたくさんのルールがある。 ひとつの一般的なルールは、80-90%の総分散を説明できるPCを選択するというもの もうひとつは、固有値の平均を超える固有値を持つすべてのPCを選択するというもの。 scree plotが有用 をに対してプロットする。 統計学的検定を行うやりかたもある。 著者らの検討では「80-90%ルール」がうまくいった。 PCReg法は、これまでのいくつかの方法とは異なり、検出力はアレルのスコアリング法によらない。 より多くのPCをPCRegに含めれば、より検出力が高くなる、わけではない。 PCRegのregression sum of squares (SSR)は ここではのk番目の要素。 より多くのPCが含まれると、SSRは多くなったり少なくなったりする、というのもは減っても、はそうではないからである。 たしかに、説明変数の数が同じであれば、最大PCを用いたPCRegのF統計量は最大のものではないだろう。
https://w.atwiki.jp/sezakiichirou/pages/96.html
1月に誕生日だったのか美央ちゃん!! としかw -- (名無しさん) 2006-03-25 01 10 32 誕生パーティやってるシーンがない・・・可哀相じゃん! -- (名無しさん) 2006-03-25 01 29 06 蓮見も相関図と新聞記事で歳が違うね。 -- (名無しさん) 2006-03-30 16 48 58 ほんとだ!蓮見は相関図では30歳、新聞記事では34歳!雪平より年上になってる! -- (名無しさん) 2006-04-02 19 41 31 牧村「今日は美央ちゃんのお誕生日だから、お祝いしましょう。美央ちゃんは何が食べたい?」美央『こんやパパかえるのおそい?』牧村「今夜は帰りが遅くなりますって、電話あったのよ」美央『パパもいっしょ』牧村「うん、パパも一緒のときにしましょう」こんな会話が交わされた翌日、誘拐事件に巻き込まれのでは。そして、このシーンは都合によりカットされた。-- (名無しさん) 2006-04-03 01 41 20
https://w.atwiki.jp/sinfo/pages/8.html
icon1004103.gif ■名前■ イオ・F・マグノリア ■愛称■ イオ ■あみだ属性■ 眼鏡・几帳面 ■種族■ ハーフエルフ ■年齢■26 ■誕生日■ 4/1 ■身長■ 182 ■体重■ 65 ■髪の色■純白・短髪 ■肌の色■ 真っ白 ■身体的特徴■エルフ耳・アルビノ・ ■服装■未定です ■利き腕■ 左 ■好きなもの■アイロンがけして布がピシッとなった瞬間・整然と並んだ本棚・曇りのないメガネ・酒(好きだけど弱い。絡み酒。) ■嫌いなもの■ヨレッとした服とそれを着ている人 ■詳細設定■ 【言葉遣い】 貴族出身の割にスラングだらけ。諸国漫遊中に身についた。 いつも怒ったような喋り方で口煩いが、なんだかんだで面倒見が良い。 口癖は「~~に決まってんだろ!」「~~べきだ!」 一人称 俺 二人称 おまえ 上司・明らかに目上の人以外呼び捨て 【生い立ち】 かつて名門だった貴族出身。過去の栄光にしがみついてる、下手にプライドが高い一族。お兄さんや両親はプライドの塊のような人たち。そんな家が嫌いで早くに寄宿舎に入る。 アカデミーに入ったのは8才くらい。 次男坊ゆえ割と野放し。両親に跡取り息子として可愛がられて育った兄とは折り合いが悪い。 国王付きの近衛兵に、という家の意向に反発してフリーの傭兵に。諸国を旅して回っている頃(自分探しとか^ω^)リディたんに出会うとか? 自分のルーツであるアイネに立ち寄るついでに(祖母がアイネ出身)、クライネに立ち寄った時出会うとか。 大事なものができたので自分探しの旅終了→アカデミー時代の知り合いのコネとかで王都でギルドに所属 とか ■相関■ リディは一回り年下の彼女。 ネルは親友。 ニムさんには一目置いている。 アズはリディと近づきすぎ! ナフルには逆らえねー… …と思っているとおもいます。(勝手にすみません) 既存相関以外でもみなさんと相関もてたらいいなぁ ■貸し出し許可■ 喜んで(゚∀゚≡゚∀゚) テストです -- えんこ (2006-05-25 02 18 32) ツッコミとかに使えそうです。 -- えんこ (2006-05-25 02 18 53) 名前 コメント
https://w.atwiki.jp/ganaclub/pages/42.html
編集項目 ☆マーク削除...7/15 クラブランキングの定義、クラブ相関図を同じにしました...7/15 閲覧制限...7/19 各クラブデータの更新、クラブランクの大幅変更...7/23 クラブ情報更新...8/4 クラブ情報の表記変更...8/13 編集理由 晒し板で情報操作が行われているのを確認しましたので、その原因になっている物は削除したいと思います...7/15 見やすいようにクラブランキングの定義、クラブ相関図を同じにしました...7/15 閲覧制限をかけました。情報操作を行う人物が関係のない方を落としいれようとする為...7/19 新データを編集しました。活動のないクラブは詳細を記入しない方向で進めます。クラブランクを総合的に検討し大幅に変更しました...7/23 活動が微妙になったクラブを確認したので、クラブランキングから外しました...8/4 クラブ情報の表記変更 個人名を極力出さない方向で変更しました。...8/13
https://w.atwiki.jp/magicmakers/pages/16.html
属性について説明します。 魔法世界の属性は、火・水・風・土・光・闇の六つの魔法属性と、物理属性、そして無属性があります。 属性それぞれの説明 火 炎や熱を示す属性です。破壊と再生を司ります。 属性色は赤です。 水に弱く、風に強い属性です。 水 水や氷、寒さを示す属性です。秩序と混沌を司ります。 属性色は青です。 土に弱く、火に強い属性です。 風 風や音を示す属性です。自由と束縛を司ります。 属性色は緑です。 火に弱く、土に強い属性です。 土 土や岩を示す属性です。生と死を司ります。 属性色は黄です。 風に弱く、水に強い属性です。 光 光を示す属性です。希望と絶望を司ります。 属性色は白です。 闇に弱く、闇に強い属性です。 闇 闇を示す属性です。無限と有限を司ります。 属性色は黒です。 光に弱く、光に強い属性です。 属性の相関関係 各属性には相関があります。 火→風→土→水→火 光⇔闇
https://w.atwiki.jp/wiki5_hks/pages/48.html
NONMEM アウトプットに出力される OMEGA の構造情報のパターンを集めておく. なお,行頭の「行送り制御コード文字」もそのまま転記している. ETA がすべて独立な場合 OMEGA をすべて推定する場合 0OMEGA HAS SIMPLE DIAGONAL FORM WITH DIMENSION n 実際には,n のところに数値が入る. 初期値の情報: 0INITIAL ESTIMATE OF OMEGA 0.4000E-01 0.0000E+00 0.4000E-01 0.0000E+00 0.0000E+00 0.1000E-01 0.0000E+00 0.0000E+00 0.0000E+00 0.1000E-01 OMEGA を一部 FIX する場合 ETA が 4 個で,ETA(4) の分散のみ,0 に固定する [[$OMEGA]] 0.04 0.04 0.04 (0 FIXED) そうするとこのように,ブロック形式での出力になる 0OMEGA HAS BLOCK FORM 1 0 2 0 0 3 0 0 0 4 初期値の情報: 0INITIAL ESTIMATE OF OMEGA BLOCK SET NO. BLOCK FIXED 1 NO 0.4000E-01 2 NO 0.4000E-01 3 NO 0.1000E-01 4 YES 0.0000E+00 すべての ETA に相関を考慮する場合 ETA(1), ETA(2) に対して次のような構造を指定する. $OMEGA BLOCK(2) 0.04 0.01 0.04 このとき,次のようになる. 0OMEGA HAS BLOCK FORM 1 1 1 0INITIAL ESTIMATE OF OMEGA BLOCK SET NO. BLOCK FIXED 1 NO 0.4000E-01 0.1000E-01 0.4000E-01 ETA の一部のみに相関を考慮する場合 ETA(1) と ETA(2) の間には相関を考慮,一方,ETA(3) はいずれにも独立,とする. $OMEGA BLOCK(2) 0.04 0.01 0.04 $OMEGA 0.04 0OMEGA HAS BLOCK FORM 1 1 1 0 0 2 0INITIAL ESTIMATE OF OMEGA BLOCK SET NO. BLOCK FIXED 1 NO 0.4000E-01 0.1000E-01 0.4000E-01 2 NO 0.1000E-01
https://w.atwiki.jp/tyukoujyuken/pages/19.html
都立中高一貫校と偏差値 雑誌などには「公立中高一貫校は、偏差値と関係ない」なんて書かれていますが、都立中高一貫校は偏差値と合否はかなり相関するということをよく聞きます。実際はどうなのでしょうか? 都立中高一貫校偏差値ランキング (四谷大塚・男子80%) 60 小石川 武蔵 59 58 57 56 55 両国 九段 54 53 桜修館 52 立川国際 51 50 白鴎 49 48 都立中高一貫校の合否は偏差値と相関している 母「公立中高一貫校というと、合否に偏差値は関係ないという考えが一般的ですが、どうやら都立中高一貫校は事情が違うようですね」 P「はい。都立中高一貫校では、偏差値と合否が密接に関連していることが、大手塾の資料等で判明しています。公立中高一貫校は偏差値と関係がないと言っているのは、『私立向けの勉強が役に立つ』で言った適性重視型の入試を課す公立中高一貫校です。公立中高一貫校には、偏差値と合否が相関する学校と、そうならない学校があります。都立中高一貫校は、私立入試に近い学力重視型の入試を課していますから、当然、合否と偏差値は相関します。偏差値の高い生徒は、かなりの確率で合格しています。 母「『小石川では、偏差値40の子が受かって、偏差値70の子が落ちた』なんて書いてある雑誌がありますが、これはどういうことでしょうか」 P「このようなことが多く起こったのは、実は入試1年目です、2年目以降は、このようなことがほとんど起こらなくなりました。1年目は満足に準備している生徒がほとんどいなかったので、このような結果になることもありました。しかし、今ではこのようなことはほとんど起きません。また、今回の2人の合否の例には、重要なことがあります。偏差値70の生徒は、適性検査対策をまったくせず、小学校の授業も休みがちだったりして、成績が良くありませんでした。いくら偏差値の高い生徒でも、ある程度都立対策の勉強をしないと合格はできません。一方、偏差値40の生徒は、適性検査模試ではいつもトップクラスの成績にいました。しかし、私立入試向けの模試では偏差値が40程度でした。これは、適性検査模試と私立入試向け模試の難易度があまりにも違うためです。たとえ最難関私立中学に受かるような素質のある生徒でも、私立向けの勉強をしなければ偏差値は40台でしょう。さきほどの偏差値40の生徒は、まったく私立向けの勉強をしてませんでしたから、私立入試向けの模試を受けたら偏差値が悪いのは当たり前です。頭が良くないのではなく、私立向けの勉強をしていないから偏差値が低く出ただけです。この子がもしも私立向けの勉強をして模試を受ければ、高偏差値を記録したでしょう。ただし、先ほども言ったとおり、これは入試初年度の話で、現在は多くの生徒が私立向けの勉強もしているため、このようなことは起こりにくくなっています」 母「どれぐらいの偏差値があれば、合格圏でしょうか」 P「最難関の小石川で、日能研や四谷大塚の模試で偏差値60以上取れてれば、まず受かります。これで受からない生徒は、記述力不足、学校別対策不足、小学校の成績が悪いといった原因があげられます。もっとも、私立中学でも偏差値の逆転現象は普通にありますからね。偏差値65の生徒が落ちて、偏差値45の生徒が受かったなんて例は、たいていの学校にありますよ。」
https://w.atwiki.jp/insasha/pages/10.html
—全ては国家と 民衆によって— このページは書いてる途中やで、いつ終わるかは知らん ⊂⌒/ヽ-、__ /⊂_/____ /  ̄ ̄ ̄ ̄ ̄ ̄ ̄ + 基本設定 国旗 国章 国名(日本語) インサーシャ帝国連邦 略称 インサーシャ 標語 全ては国家と民衆によって 国歌 栄光のインサーシャ 公用語 インシャ語 首都 ベルサックル 最大都市 ランゲルク 皇帝 Lukas Ruge 連邦最高議会長 Lukas Ruge 人口 64,925,993人 政治体制 帝政 通貨 ₤(ぽんと 日本円レート 1yen=1£ cc TLD + 目次 国名について 歴史 政治 軍事について 地理について 文化 国名について 歴史 政治 + 政治相関図 政治相関図 帝国連邦政府 ┃ 連邦最高議会 ┃ 連邦政府顧問委員会 ┠─────┐ 各省庁 外領管理委員 ┃ 地方議会 orz 皇帝 ┃ 連邦最高議会長 ┃ 連邦政府最高顧問 ┠─────┐ 国務大臣 外領管理委員長 ┃ 地方議会長 orz 軍事について 詳しくは帝国連邦軍へ 軍事省の下に連邦参謀本部があり その下で帝国連邦陸軍-帝国連邦海軍-帝国連邦空軍が存在する 地理について 文化